torch神经网络模型的搭建

你的名字 2023-06-30 01:51 2阅读 0赞

包含：卷积层、激活函数、池化层、全连接层

class Model(torch.nn.Module):
        def __init__(self):
            super(Model, self).__init__()
            self.convl = torch.nn.Sequential(
                torch.nn.Conv2d(1, 64, kernel_size=3, stride=1, padding=1),
                torch.nn.ReLU(),
                torch.nn.Conv2d(64, 128, kernel_size=3, stride=1, padding=1),
                torch.nn.ReLU(),
                torch.nn.MaxPool2d(stride=2, kernel_size=2)
            )
            self.dense = torch.nn.Sequential(
                torch.nn.Linear(14*14*128, 1024),
                torch.nn.ReLU(),
                torch.nn.Dropout(p=0.5),
                torch.nn.Linear(1024, 10)
            )
        def forward(self, x):
            x = self.convl(x)
            x = x.view(-1, 14*14*128)
            x = self.dense(x)
            return x

对代码进行分析：  
\*\*torch.nn.Conv2d:\*\*用于搭建卷积层，其中的参数分别为：  
输入通道数、输出通道数、卷积核大小、卷积核移动步长和padding值  
\*\*torch.nn.MaxPool2d:\*\*池化层，其中的参数分别为：  
池化窗口的大小、卷积核大小、池化窗口移动步长和padding值，参考：[添加链接描述][Link 1]  
**torch.nn.Dropout:随机丢弃，此处p=0.5指随机丢弃的概率是0.5，如果不设置参数，默认也是0.5  
前向传播forward中，convl（）先进行卷积处理，之后用view进行扁平化处理，其中\[-1是不确定值的意思，后面再赋值，14*14*128是输出的大小\]**[添加链接描述][Link 2]  
通过前面定义好的dense进行分类。

[Link 1]: https://www.jianshu.com/p/9d93a3391159
[Link 2]: http://f.dataguru.cn/thread-863241-1-1.html